陆生野生动物智能调查监测关键技术成果登记公示
发布时间：2022-08-05
成果名称：陆生野生动物智能调查监测关键技术
登记日期：2022-07-26
完成单位：广东省科学院动物研究所,广州当康自然资源科技有限公司,广州澳盾智能科技有限公司,广东省林业事务中心
完成人员：胡慧建,梁健超,周智鑫,张春兰,陈文军,杨帆,赵顺,吴欢欢,许石柱,汤兴水,李涛,黎明
研究起止日期：2015-01-01至2021-12-31
主要应用行业：农、林、牧、渔业
高新技术领域：环境保护
评价单位：广东省动物学会
评价日期：2022-07-09
成果简介：1. 课题来源与背景 针对野生动物调查监测过程中效率低、时耗大、成本高等问题，自主提出并开展相应研发工作。 2. 技术原理 （1）应用仿真工具、物联网、虚拟现实、3S等技术，将调查人员、物理设备和野生动物物种等信息完整映射到智能监测平台中，以实现实地调查和信息采集的空天地智能一体化指挥和管理。 （2）利用面向多源、异构和跨模态复杂监测数据融合的计算范式和分析模型，结合野生动物专家知识库，以建立野生动物物种监测的预警、分析、决策、指挥的软硬件一体化大数据计算平台，为预测预警和管理决策提供实时、全时、高效的服务。 （3）将具有自适应能力的神经网络人工智能技术和生物分类学中的二分检索法相结合，建立物种典型特征数据库，以开展分类学家思维模式的野生动物人工智能识别训练，从而实现小样本情况下的精准识别。 3. 性能指标 （1）智能监测杆具备对野生动物及其栖息环境的实时监测和数据回传能力。 研发的智能监测杆使用清洁能源太阳能供电，支持远程云台控制及开关，具备基于图像的野生动物识别能力和各类环境因子采集功能，能够实时回传监测数据到指挥系统进行智能化处理。 （2）野生动物人工智能识别技术达到小样本、多物种、快速精准识别的效果 有效解决了野生动物监测图像所面临的“光照变化”、“野生动物位置大小不定”、“背景信息复杂”以及“不同物种监测图像数量不均”等问题，实现了小样本（少于200张照片）情况下的精准识别，已识别昆虫50种、兽类30种、鸟类300种、爬行类60种、两栖类20种。其中，视频识别效率达到0.5秒/帧，平均识别准确率达到81.5%以上；红外相机平均识别准确率达到87.5%。 （3）野生动物智能调查监测指挥系统采用“一张屏”管理模式，可进行调查人员和设备的空天地智能一体化组织与远程实时指挥，大幅减少人员工作时间。 集成仿真工具、物联网、虚拟现实等数字化技术，可将实地调查、红外相机监测、高清视频流监测、卫星遥感等多源数据完整映射到智能监测平台中，具备在“一张屏”上进行野生动物调查监测综合信息的即时识别、实时统计、集中展示、远程指挥、自动报告功能，数据采集与统计分析同步，从而节约数据处理80%以上。 4. 成果的创造性和先进性 （1）创建了“人机智能协同”的组织模式，实现了人机智能一体化组织和调查远程指挥，从而在调查中人机互为节点、自主交流、协同应变，改变了调查缺乏有效指挥、人员间以及人员与设备间缺乏交流与协同的工作方式。 （2）首创了“一张屏”的管理模式，实现野生动物数据“采集-存储-管理-分析-可视化”的智能一体化，帮助领导决策层在很大程度上摆脱了对专业人员的依赖，达到了领导层在野生动物保护管理中即时调查指挥、即时数据获取、即时管理决策的效果。 （3）创新了生物分类的智能识别技术，突破了传统的大数据驱动深度学习方式，建立了以分类学家思维模式为特点、双轮驱动的人工智能训练方式，实现了小样本情况下的精准识别。建有中国最大的野生动物图像识别模型数据库，可以精准识别千种陆生野生动物，解决了红外相机监测传统人工分类识别工作强度大、效率低等问题。根据专业第三方监测机构认定，本系统平均野生动物AI识别正确率达到80%以上。 5. 应用情况 （1）本项目形成的野生动物调查监测指挥系统、动端APP、智能监测杆等技术成果，已在广东省与福建省的第二次陆生野生动物资源调查、广东省重要生态区野生动物及疫源疫病监测、广东省科技计划项目：粤港澳大湾区海岛陆生脊椎动物资源专项科学考察（2019B121202004）等多个国家级、省级项目中实践应用，大幅降低野生动物调查监测工作的经济与时间成本，并积累丰富的野生动物基础数据和影像资料，在“候鸟护飞行动”、“关注森林活动”等多个自然教育与科普宣教活动的应用，推动了我省野生动物保护宣传工作的发展。 （2）本项目已在广东海丰国际重要湿地、广东象头山国家级自然保护区、广州海珠国家湿地公园等多个自然保护地中应用，帮助各保护地搭建起了“采集-存储-管理-分析-可视化”一体化的智能监测体系，大幅减少野生动物调查对专业人员的依赖，极大提高了自然保护地管理效率。 （3）针对近年来野猪等野生动物破坏农作物、伤害家畜和人类的事件频繁发生，构建了肇事动物的专门识别模型，其中野猪的平均识别准确率达85以上%，目前已在广东省野猪防控试点防控预警效果及防控后种群资源调查监测中得到应用，实现低成本高效率的野猪肇事智能预警与防治。 6. 存在的问题 首先，目前采用的算法网络模型参数量较大、冗余度较高，导致运算速度低，高计算复杂度也导致了高能耗，应用在嵌入式端存在困难。其次，当前神经网络计算模型依赖人工标注，模型运算稳定性较弱、可解释性较差、能效比偏低，且野生动物智能识别模型有地域局限性，若在全国推广应用，还需扩充不同地域的野生动物数据库。最后，国内还没有关于野生动物智能调查监测技术的行业标准，缺乏行业标准的指引和规范将不利于此项技术的推广与发展。